Sequential Recommender は、重要なタイプの推奨システムです。その主なタスクは、ユーザーの過去の行動シーケンスに基づいてユーザーの次の行動を予測することです。ユーザーの現在および最近の好みに合った推奨事項をより正確にユーザーに提供するために、ユーザーの行動、ユーザーとアイテムの間の相互作用、およびこれらの要因の時間の経過に伴う変化の一時的な情報を理解してモデル化しようとします。たとえば、ユーザーが最初に電子商取引プラットフォームでコンピューターとキーボードを閲覧し、次にマウスを閲覧した場合、順序推奨システムは、この一連の行動に基づいて、ユーザーがコンピューターのスピーカーなどのコンピューター関連アクセサリに興味がある可能性があると予測します。それにより、そのような製品をユーザーに推奨します。
初期の研究では、マルコフ連鎖などの単純なモデルに基づくいくつかの手法がシーケンスの推奨に使用されていましたが、その後、深層学習技術の台頭により、リカレント ニューラル ネットワーク (RNN)、長短期記憶ネットワーク (LSTM) に基づく手法が使用されました。ユニット (GRU) や Transformer などの深層学習モデルのシーケンス推奨手法が次々と登場しています。
IJCAL 2019に論文掲載」シーケンシャル レコメンダー システム: 課題、進歩、展望「この記事は、配列推奨システムの包括的な概要を提供し、その特徴、課題、研究の進捗状況、および重要な研究の方向性を体系的に要約および分析します。